Sélection adaptative de caractéristiques pertinentes et classification hiérarchique des images dans les bases hétérogènes

RÉSUMÉ. Dans les bases hétérogènes, les images appartiennent souvent à différentes classes thématiques et nécessitent une large description permettant leur reconnaissance. Cependant, les caractéristiques utilisées ne sont pas toujours adaptées au contenu de la base d’images considérée. Nous proposons dans cet article une nouvelle approche se basant sur deux originalités, à savoir la sélection adaptative de caractéristiques et la classification multimodèle intitulée MC-MM. La sélection adaptative permet de ne considérer que les caractéristiques les mieux adaptées au contenu de la base d’images utilisée. La méthode MCMM assure la reconnaissance des images en se servant hiérarchiquement des caractéristiques sélectionnées. Les résultats expérimentaux obtenus confirment l’efficacité et la robustesse de notre approche. ABSTRACT. In heterogeneous databases, images often provided from different sources and belong to different topics, hence there is a need for a large description to ensure efficient representation of their content. However, extracted features are not always adapted to the considered image database. In this paper we propose a new image recognition approach based on two innovations, namely adaptive feature selection and Multi-Model Classification Method (MC-MM). The adaptive selection considers only the most adapted features with the used image database content. The MC-MM method ensures image recognition using hierarchically selected features. Experimental results confirm the effectiveness and the robustness of our proposed approach. MOTS-CLÉS : extraction d’attributs, sélection adaptative des caractéristiques pertinentes, classification multi-modèle, reconnaissance d’images, bases hétérogènes.